JP6309417B2 - 検出器生成装置、方法およびプログラム並びに画像検出装置 - Google Patents
検出器生成装置、方法およびプログラム並びに画像検出装置 Download PDFInfo
- Publication number
- JP6309417B2 JP6309417B2 JP2014199625A JP2014199625A JP6309417B2 JP 6309417 B2 JP6309417 B2 JP 6309417B2 JP 2014199625 A JP2014199625 A JP 2014199625A JP 2014199625 A JP2014199625 A JP 2014199625A JP 6309417 B2 JP6309417 B2 JP 6309417B2
- Authority
- JP
- Japan
- Prior art keywords
- magnetic resonance
- nuclear magnetic
- resonance image
- detector
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 72
- 238000001514 detection method Methods 0.000 claims description 139
- 238000005481 NMR spectroscopy Methods 0.000 claims description 71
- 238000003384 imaging method Methods 0.000 claims description 71
- 230000001629 suppression Effects 0.000 claims description 36
- 210000005252 bulbus oculi Anatomy 0.000 claims description 21
- 210000000988 bone and bone Anatomy 0.000 claims description 19
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 15
- 230000005311 nuclear magnetism Effects 0.000 claims 1
- 238000002595 magnetic resonance imaging Methods 0.000 description 114
- 238000010801 machine learning Methods 0.000 description 13
- 210000000056 organ Anatomy 0.000 description 8
- 210000003128 head Anatomy 0.000 description 4
- 210000003484 anatomy Anatomy 0.000 description 3
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 2
- 206010028980 Neoplasm Diseases 0.000 description 2
- 210000001015 abdomen Anatomy 0.000 description 2
- 210000004204 blood vessel Anatomy 0.000 description 2
- 210000001185 bone marrow Anatomy 0.000 description 2
- 238000002591 computed tomography Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 229910052739 hydrogen Inorganic materials 0.000 description 2
- 239000001257 hydrogen Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 210000003689 pubic bone Anatomy 0.000 description 2
- 206010024612 Lipoma Diseases 0.000 description 1
- 230000003187 abdominal effect Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 210000004185 liver Anatomy 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 210000000278 spinal cord Anatomy 0.000 description 1
- 210000004003 subcutaneous fat Anatomy 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 210000004127 vitreous body Anatomy 0.000 description 1
Description
本発明は、核磁気共鳴画像に含まれる検出対象を検出する際に用いられる検出器を生成する検出器生成装置、方法およびプログラム、並びに上記検出器を用いて核磁気共鳴画像に対して検出処理を施す画像検出装置に関するものである。
従来、放射線画像やＭＲＩ（Magnetic Resonance Imaging）画像などから関心のある臓器や臓器の一部などといった解剖学的な構造物を検出し、その検出結果をユーザに提供することによって画像診断効率の向上を図ることが行われている。
放射線画像やＭＲＩ画像から解剖学的な構造物を検出する方法として、種々の方法が提案されている。たとえば特許文献１においては、アダブースティングアルゴリズム（Adaboosting Algorithm）に基づいた機械学習手法を用いて検出器を生成し、その検出器を用いて放射線画像から脊髄領域を検出することが提案されている。
また、特許文献２においては、ＭＲＩ画像から関心臓器を分離する方法が提案されており、ここでは、関心臓器の境界を明確にするために、Ｔ１強調画像、Ｔ２強調画像およびＰＤ強調画像を統合することが提案されている。
ここで、特許文献１には、上述したように機械学習手法を用いて生成された検出器を用いて検出処理を行うことが提案されているが、その検出処理対象の放射線画像は、ＣＴ（Computed tomography）撮影装置によって撮影されたものであり、すなわち単一の撮影方法によって撮影されたものである。
これに対し、ＭＲＩ検査では、複数種類の撮影手法で撮影が行われ、具体的には、たとえばＴ１強調撮影、Ｔ２強調撮影および脂肪抑制法を用いた撮影手法などがある。これらの撮影手法は、同一の部位を異なる見え方で画像化するので、従来のように単一の撮影手法によって撮影された画像を用いて機械学習を行って検出器を生成したのでは、学習していない撮影手法で撮影されたＭＲＩ画像に対する検出精度が低くなる問題がある。
一方、この問題を解決するために、それぞれの撮影手法で撮影された画像を用いて機械学習を行うことによって撮影手法毎に検出器を生成することが考えられるが、機械学習に非常に時間がかかってしまう。また、検出処理の際に、撮影手法毎の全ての検出器を適用しなければならず、検出速度が低下する。
本発明は、上記事情に鑑み、複数の撮影手法で撮影されたＭＲＩ画像に対して検出器を用いた検出処理を行う際、検出器の数を減らすことができ、かつ精度良く検出対象を検出することができる検出器を生成する検出器生成装置、方法およびプログラム並びに画像検出装置を提供することを目的とするものである。
本発明の検出器生成装置は、２以上の撮影手法によって撮影された核磁気共鳴画像を、予め設定された検出対象の主成分に応じて、撮影手法の数よりも少ない数に分類した核磁気共鳴画像群を取得する核磁気共鳴画像取得部と、各分類に属する磁気共鳴画像群を用いて、検出対象を検出する検出器を分類毎に生成する検出器生成部とを備えたことを特徴とする。
また、本発明の検出器生成装置において、核磁気共鳴画像取得部は、検出対象の主成分が水である場合と検出対象の主成分が脂肪である場合とでそれぞれ分類した核磁気共鳴画像群を取得することができる。
また、核磁気共鳴画像取得部は、検出対象の主成分が水である場合には、Ｔ１強調撮影の核磁気共鳴画像群と、Ｔ２強調撮影の核磁気共鳴画像群とをそれぞれ異なる分類の核磁気共鳴画像群として取得することができる。
また、Ｔ１強調撮影の核磁気共鳴画像群は、標準的な撮影の核磁気共鳴画像と脂肪抑制法を用いた撮影の核磁気共鳴画像とを含み、Ｔ２強調撮影の核磁気共鳴画像群は、標準的な撮影の核磁気共鳴画像と脂肪抑制法を用いた撮影の核磁気共鳴画像とを含むことができる。
また、核磁気共鳴画像取得部は、検出対象の主成分が脂肪である場合には、標準的な撮影の核磁気共鳴画像群と、脂肪抑制法を用いた撮影の核磁気共鳴画像群とをそれぞれ異なる分類の核磁気共鳴画像群として取得することができる。
また、標準的な撮影の核磁気共鳴画像群は、Ｔ１強調撮影の核磁気共鳴画像とＴ２強調撮影の核磁気共鳴画像とを含み、脂肪抑制法を用いた撮影の核磁気共鳴画像群は、Ｔ１強調撮影の核磁気共鳴画像とＴ２強調撮影の核磁気共鳴画像とを含むことができる。
また、水を主成分とする検出対象は眼球とすることができる。
また、脂肪を主成分とする検出対象は骨とすることができる。
本発明の検出器生成方法は、２以上の撮影手法によって撮影された核磁気共鳴画像を、予め設定された検出対象の主成分に応じて、撮影手法の数よりも少ない数に分類した核磁気共鳴画像群を取得し、各分類に属する磁気共鳴画像群を用いて、検出対象を検出する検出器を分類毎に生成することを特徴とする。
本発明の検出器生成プログラムは、コンピュータを、２以上の撮影手法によって撮影された核磁気共鳴画像を、予め設定された検出対象の主成分に応じて、撮影手法の数よりも少ない数に分類した核磁気共鳴画像群を取得する核磁気共鳴画像取得部と、各分類に属する磁気共鳴画像群を用いて、検出対象を検出する検出器を分類毎に生成する検出器生成部として機能させることを特徴とする。
本発明の画像検出装置は、２以上の撮影手法によって撮影された核磁気共鳴画像を、予め設定された検出対象の主成分に応じて分類した核磁気共鳴画像群を取得する磁気共鳴画像群取得部と、各分類に属する磁気共鳴画像群を用いて、検出対象を検出する検出器を分類毎に生成する検出器生成部を有し、分類毎の検出器の少なくとも１つを用いて、検出処理対象の核磁気共鳴画像に対して検出対象の検出処理を施す検出処理部とを備えたことを特徴とする。
本発明の検出器生成装置、方法およびプログラム並びに画像検出装置によれば、２以上の撮影手法によって撮影された核磁気共鳴画像を、検出対象の主成分に応じて、撮影手法の数よりも少ない数で分類した核磁気共鳴画像群を取得する。そして、各分類に属する磁気共鳴画像群を用いて、分類毎の検出器を生成するようにしたので、検出器の数を減らすことができ、かつ複数の撮影手法で撮影されたＭＲＩ画像から精度良く検出対象を検出することができる。なお、本発明によって精度良く検出対象を検出できる理由については、後で詳述する。
以下、本発明の検出器生成装置および方法並びにプログラムの一実施形態を用いた医用画像検出システムについて、図面を参照しながら詳細に説明する。図１は、本実施形態の医用画像検出システムの概略構成を示すブロック図である。
本実施形態の医用画像検出システムは、図１に示すように、画像検出装置１と、医用画像保管サーバ２と、表示装置３と、入力装置４とを備えている。
画像検出装置１は、核磁気共鳴画像取得部１０と、検出器生成部２０を有する検出処理部３０と、制御部４０とを備えている。
画像検出装置１は、中央処理装置（ＣＰＵ（central processing unit））、半導体メモリ、およびハードディスクやＳＳＤ(Solid State Drive)等のストレージデバイスを備えている。ストレージデバイスには、本実施形態の検出器生成プログラムを含む画像検出プログラムがインストールされており、この画像検出プログラムが、制御部４０に設けられた中央処理装置によって実行されることによって、上述した核磁気共鳴画像取得部１０および検出器生成部２０を有する検出処理部３０が動作する。なお、本実施形態においては、図１に示す核磁気共鳴画像取得部１０と検出器生成部２０とから、本発明の検出器生成装置が構成されている。
核磁気共鳴画像取得部１０は、ＭＲＩ（Magnetic Resonance Imaging）撮影装置によって予め撮影された核磁気共鳴画像（以下、ＭＲＩ画像という）を取得するものである。本実施形態の核磁気共鳴画像取得部１０は、学習用ＭＲＩ画像５と、検出処理対象のＭＲＩ画像６とを取得するものである。
学習用ＭＲＩ画像５は、所定の検出対象を検出する検出器を検出器生成部２０によって生成する際に、学習用の画像として使用されるものである。学習用ＭＲＩ画像５については、後で詳述する。また、検出処理対象のＭＲＩ画像６は、上記検出器を用いた検出処理が施される画像である。検出処理対象のＭＲＩ画像６としては、たとえばアキシャル断面画像、サジタル断面画像、コロナル断面画像およびその他のＭＰＲ（multi-planar reconstruction）断面画像などがある。
学習用ＭＲＩ画像５および検出処理対象のＭＲＩ画像６は、医用画像保管サーバ２に予め保管されており、核磁気共鳴画像取得部１０は、入力装置４を用いたユーザによる所定の指示入力に応じて、学習用ＭＲＩ画像５や検出処理対象のＭＲＩ画像６を医用画像保管サーバ２から読み出すものである。
検出処理部３０は、検出器生成部２０を有し、この検出器生成部２０において生成された検出器を用いて検出処理対象のＭＲＩ画像に対して検出処理を施し、これにより予め設定された検出対象を検出するものである。
検出対象は、ＭＲＩ画像に含まれる解剖学的な構造物であり、たとえば頭部のＭＲＩ画像に含まれる眼球や、腹部または胸部のＭＲＩ画像に含まれる骨、臓器および血管などがある。また、検出対象は、臓器の一部の特徴的な構造物でもよく、たとえば肺尖部、心尖部および肝臓の上端などでもよい。また、腫瘍などの病変でもよい。
そして、検出器生成部２０は、上述したような検出対象を検出するための検出器を生成するものである。本実施形態の検出器は、学習用のＭＲＩ画像を用いて機械学習させることによって生成されるものである。具体的には、たとえばアダブースティングアルゴリズム（Adaboosting Algorithm）に基づいた機械学習手法を用いることができる。この手法は、予め設定された検出対象の近傍領域のみを含む正解の学習用ＭＲＩ画像と、上記検出対象を含まない領域であって、上記正解の学習用ＭＲＩ画像と同等の大きさを有する領域の不正解の学習用ＭＲＩ画像とを検出器に多数入力し、その入力された学習用ＭＲＩ画像が正解であったか、不正解であったかを機械学習させることによって、検出対象を含んでいるか否かを検出することができる検出器を生成する手法である。なお、ここでいう検出器は、検出対象を含んでいるか否かを検出するものであるので、検出対象の検出基準ということもできる。
また、機械学習の手法としては、上述したアダブースティングアルゴリズム（Adaboosting Algorithm）に基づいた機械学習手法に限らず、種々の公知は手法を用いることができ、たとえばニューラルネットワーク、サポートベクタマシン、最近傍識別器などの手法を用いるようにしてもよい。
ここで、上述したようにＭＲＩ検査においては、複数の撮影手法によってＭＲＩ画像が撮影される。具体的には、基本的な撮影手法として、Ｔ１強調撮影とＴ２強調撮影とがあり、これに加えて脂肪抑制法などの機能的な撮影手法が一般的に用いられている。すなわち、ＭＲＩ検査によって撮影されるＭＲＩ画像としては、標準的なＴ１強調撮影によって撮影されたＴ１強調画像（標準）、標準的なＴ２強調撮影によって撮影されたＴ１強調画像（標準）、脂肪抑制法を用いたＴ１強調撮影によって撮影されたＴ１強調画像（脂肪抑制）、および脂肪抑制法を用いたＴ２強調撮影によって撮影されたＴ２強調画像（脂肪抑制）などがある。
そして、上述したような検出器を用いて検出対象を検出する場合には、このような各撮影手法によって撮影された学習用ＭＲＩ画像をそれぞれ用いて、撮影手法毎の検出器をそれぞれ生成することが検出性能の点で最も好ましい。
しかしながら、このように撮影手法毎の検出器を生成したのでは、検出器を生成するのに非常に長い処理時間を要する。
さらに、検出器は、検出対象毎に生成する必要があるため、たとえば眼球を検出するための検出器と骨を検出するための検出器とを生成する場合、眼球と骨とのそれぞれについて、上述した４種類の撮影手法で撮影された学習用ＭＲＩ画像を用いて検出器を生成する必要があり、合計で８種類の検出器を生成する必要がある。
眼球と骨以外の検出対象も検出する場合には、さらにその検出対象毎について４種類の検出器を生成する必要があり、このような多くの検出器を生成するのに非常に長い処理時間を要する。また、これらの多くの検出器を用いて検出処理を行ったのでは処理速度が低下する問題がある。
そこで、本実施形態においては、各撮影手法に対する検出対象の外観の変化を考慮して、各撮影手法によって撮影された学習用ＭＲＩ画像を必要最小限のグループに分類し、その分類毎の検出器を生成するようにする。以下、その分類方法について詳細に説明する。
Ｔ１強調撮影とＴ２強調撮影の撮影原理は、水素原子核の挙動を利用しており、水素原子核の有無が画像のコントラストに影響する。たとえば眼球は、その容積の４/５が硝子体であり、ガラス体の約９９％が水である。したがって、その水成分がコントラストに影響し、Ｔ１強調画像とＴ２強調画像とではその見え方が異なってくる。
図２は、頭部のアキシャル断面画像を標準的なＴ１強調撮影で撮影したＭＲＩ画像と、標準的なＴ２強調撮影で撮影したＭＲＩ画像とを模式的に示したものである。図２に示すように、Ｔ１強調画像では、眼球Ｐは暗い画像として現れるが、Ｔ２強調画像では、眼球Ｐは明るい画像として現れ、それぞれコントラストが異なる。
一方、標準的なＴ１強調撮影で撮影したＭＲＩ画像と脂肪抑制法を用いてＴ１強調撮影で撮影したＭＲＩ画像とは、同じＴ１強調撮影で撮影された画像であるので、眼球の画像のコントラストにあまり相違がない。
したがって、検出対象が眼球のような水を主成分とするものである場合、標準的なＴ１強調撮影で撮影したＭＲＩ画像と脂肪抑制法を用いてＴ１強調撮影で撮影したＭＲＩ画像とを１つの分類としてグルーピングし、標準的なＴ２強調撮影で撮影したＭＲＩ画像と脂肪抑制法を用いてＴ２強調撮影で撮影したＭＲＩ画像とを１つの分類としてグルーピングすることが好ましい。
一方、検出対象が骨である場合には、骨はほとんど水を含まず、脂肪を主成分とするものであるため、眼球とは見え方が異なるため異なる基準で分類する。なお、ここでいう骨は骨髄を含むものであり、骨髄は脂肪を主成分とするものである。
図３は、腹部のアキシャル断面画像を標準的なＴ１強調撮影で撮影したＭＲＩ画像と、脂肪抑制法を用いたＴ１強調撮影で撮影したＭＲＩ画像とを模式的に示したものである。図３に示すように、標準的なＴ１強調画像では、恥骨Ｑは明るい画像として現れるが、脂肪抑制法を用いたＴ１強調画像では、恥骨Ｑは暗い画像として現れ、それぞれコントラストが異なる。これは、上述したように骨の主成分が脂肪だからである。
一方、上述したように骨はほとんど水を含んでいないので、標準的なＴ１強調撮影で撮影したＭＲＩ画像と標準的なＴ２強調撮影で撮影したＭＲＩ画像とでは、骨の画像のコントラストにあまり相違がない。
したがって、検出対象が骨のような脂肪を主成分とするものである場合、標準的なＴ１強調撮影で撮影したＭＲＩ画像と標準的なＴ２強調撮影で撮影したＭＲＩ画像とを１つの分類としてグルーピングし、脂肪抑制法を用いたＴ１強調撮影で撮影したＭＲＩ画像と脂肪抑制法を用いたＴ２強調撮影で撮影したＭＲＩ画像とを１つの分類としてグルーピングすることが好ましい。
以上のような観点から、本実施形態の検出器生成部２０は、上述した分類毎の検出器を生成する。具体的には、眼球のような水を主成分とする検出対象を検出する検出器を生成する場合には、標準的なＴ１強調撮影で撮影した学習用ＭＲＩ画像と、脂肪抑制法を用いてＴ１強調撮影で撮影した学習用ＭＲＩ画像とを受け付け、これらの学習用ＭＲＩ画像を検出器に入力して機械学習させることによって、Ｔ１強調画像に基づく検出器を生成する。また、標準的なＴ２強調撮影で撮影した学習用ＭＲＩ画像と、脂肪抑制法を用いてＴ２強調撮影で撮影した学習用ＭＲＩ画像とを受け付け、これらの学習用ＭＲＩ画像を検出器に入力して機械学習させることによって、Ｔ２強調画像に基づく検出器を生成する。
また、骨のような脂肪を主成分とする検出対象を検出する検出器を生成する場合には、標準的なＴ１強調撮影で撮影した学習用ＭＲＩ画像と、標準的なＴ２強調撮影で撮影した学習用ＭＲＩ画像とを受け付け、これらの学習用ＭＲＩ画像を検出器に入力して機械学習させることによって、標準的な撮影画像に基づく検出器を生成する。また、脂肪抑制法を用いてＴ１強調撮影で撮影した学習用ＭＲＩ画像と、脂肪抑制法を用いてＴ２強調撮影で撮影した学習用ＭＲＩ画像とを受け付け、これらの学習用ＭＲＩ画像を検出器に入力して機械学習させることによって、脂肪抑制法による撮影画像に基づく検出器を生成する。
上述したように各撮影手法によって撮影されたＭＲＩ画像を検出対象の主成分に応じて分類し、その分類毎の検出器を生成することによって、撮影手法の数だけ検出器を生成する必要がなく、検出器の数を減らすことができる。たとえば、検出対象が骨と眼球である場合、上述したように８種類の検出器を生成する必要がなく、４種類の検出器を生成すればよい。したがって、検出器の生成に要する時間を短縮することができる。さらに、検出処理対象のＭＲＩ画像に適用する検出器の数を減らすことができるので、処理時間を高速化することができる。
なお、水を主成分とする検出対象は、眼球の他に、眼球以外の臓器や血管などがある。また脂肪を主成分とする検出対象は、骨の他に、皮下脂肪などを含む臓器や脂肪腫などの腫瘍などがある。検出対象の主成分は、たとえば検出対象を構成する成分のうち最大含有量を有する成分である。
また、各撮影手法によって撮影された学習用ＭＲＩ画像の分類については、たとえばユーザが、各分類に属する学習用ＭＲＩ画像を入力装置４を用いて指定するようにしてもよいし、核磁気共鳴画像取得部１０が、入力された学習用ＭＲＩ画像を自動的に分類して検出器生成部２０に提供するようにしてもよい。このように自動的に分類する場合には、たとえば学習用ＭＲＩ画像に対して撮影手法と検出対象の情報とを付加しておき、核磁気共鳴画像取得部１０が、付加された情報に基づいて、自動的に分類するようにすればよい。検出対象とその主成分との関係については、たとえば検出対象とその主成分との対応関係をテーブルなどで予め設定しておくようにすればよい。
検出処理部３０は、上述したように分類毎に生成された検出器を用いて検出処理対象のＭＲＩ画像に対して検出処理を施し、ＭＲＩ画像に含まれる検出対象を検出するものである。具体的には、検出処理部３０は、所定の大きさの矩形領域の検出窓で検出処理対象のＭＲＩ画像上を走査し、その検出窓内の画像を検出器に入力する。そして、検出窓内の画像が検出対象を含むか否かが検出器によって検出され、これによりＭＲＩ画像内における検出対象の位置が特定される。
なお、検出処理部３０における検出処理で用いられる検出器については、たとえば眼球の検出を行う場合、検出処理対象のＭＲＩ画像がＤＩＣＯＭ（Digital Imaging and Communication in Medicine）情報としてＴ１強調撮影の情報またはＴ２強調撮影の情報を有している場合には、その撮影手法に応じた検出器を用いるようにすればよい。検出処理対象のＭＲＩ画像が撮影手法の情報をもっていない場合には、Ｔ１強調画像に基づく検出器とＴ２強調画像に基づく検出器との両方を用いて検出処理を行うようにすればよい。
同様に、たとえば骨の検出を行う場合、検出処理対象のＭＲＩ画像がＤＩＣＯＭ情報として標準撮影の情報または脂肪抑制法を用いた撮影の情報を有している場合には、その撮影手法に応じた検出器を用いるようにすればよい。検出処理対象のＭＲＩ画像が撮影手法の情報をもっていない場合には、標準的な撮影画像に基づく検出器と脂肪抑制法による撮影画像に基づく検出器との両方を用いて検出処理を行うようにすればよい。
制御部４０は、画像検出装置１全体を制御するものである。特に、本実施形態の制御部４０は、検出処理対象のＭＲＩ画像を表示装置３に表示させたり、検出処理部３０による検出結果を検出処理対象のＭＲＩ画像上に表示させたりするものである。また、制御部４０が、学習用ＭＲＩ画像を表示装置３に表示させるようにしてもよい。
表示装置３は、液晶ディスプレイなどの表示デバイスを備えたものであり、上述したように検出処理対象のＭＲＩ画像、検出処理結果および学習用ＭＲＩ画像などを表示するものである。
入力装置４は、ユーザによる種々の設定入力を受け付けるものであり、キーボードやマウスなどの入力デバイスを備えたものである。本実施形態の入力装置４は、上述したように検出器に入力される分類された学習用ＭＲＩ画像の指定を受け付けるようにしてもよい。各検出器に入力される学習用ＭＲＩ画像の指定は、たとえば表示装置３に表示された複数の学習用ＭＲＩ画像の中から、ユーザがマウスなどを用いて同じ分類に属する学習用ＭＲＩ画像を選択することによって行うようにすればよい。
次に、本実施形態の医用画像検出システムの作用について、図４に示すフローチャートを参照しながら説明する。
まず、ユーザによる指示入力などに基づいて、上述したように検出対象の主成分に応じて分類された学習用ＭＲＩ画像が核磁気共鳴画像取得部１０によって取得される（Ｓ１０）。具体的には、上述したように検出器の検出対象の主成分が水である場合には、標準的なＴ１強調撮影の学習用ＭＲＩ画像と脂肪抑制法を用いたＴ１強調撮影の学習用ＭＲＩ画像とからなるＴ１強調撮影の学習用ＭＲＩ画像群と、標準的なＴ２強調撮影の学習用ＭＲＩ画像と脂肪抑制法を用いたＴ２強調撮影の学習用ＭＲＩ画像とからなるＴ２強調撮影の学習用ＭＲＩ画像群とが取得される。
また、検出器の検出対象の主成分が脂肪である場合には、標準的なＴ１強調撮影の学習用ＭＲＩ画像と標準的なＴ２強調撮影の学習用ＭＲＩ画像とからなる標準撮影の学習用ＭＲＩ画像群と、脂肪抑制法を用いたＴ１強調撮影の学習用ＭＲＩ画像と脂肪抑制法を用いたＴ２強調撮影の学習用ＭＲＩ画像とからなる脂肪抑制法による撮影の学習用ＭＲＩ画像群とが取得される。
そして、検出器生成部２０は、上述したような各学習用ＭＲＩ画像群を用いて検出器を機械学習させることによって、各学習用ＭＲＩ画像群に応じた検出器をそれぞれ生成する（Ｓ１２）。具体的には、上述したように検出対象が水を主成分とする眼球である場合には、Ｔ１強調画像に基づく検出器とＴ２強調画像に基づく検出器を生成する。また、検出対象が脂肪を主成分とする骨である場合には、標準的な撮影画像に基づく検出器と脂肪抑制法による撮影画像に基づく検出器とを生成する。
次に、ユーザによる指示入力などに基づいて、検出処理対象のＭＲＩ画像が核磁気共鳴画像取得部１０によって取得され（Ｓ１４）、取得された検出処理対象のＭＲＩ画像は、検出処理部３０に入力される。
検出処理部３０は、入力された検出処理対象のＭＲＩ画像に対して、検出対象に応じた検出器を用いて検出処理を施す（Ｓ１６）。具体的には、検出対象が眼球である場合には、Ｔ１強調画像に基づく検出器およびＴ２強調画像に基づく検出器の両方またはいずれか一方を用いて検出処理を行う。また、骨である場合には、標準的な撮影画像に基づく検出器および脂肪抑制法による撮影画像に基づく検出器の両方またはいずれか一方を用いて検出処理を行う。
検出処理部３０における検出結果は制御部４０に出力され、制御部４０は、検出処理対象のＭＲＩ画像を表示装置３に表示させ、かつそのＭＲＩ画像上に検出対象の検出結果を表示させる（Ｓ１８）。具体的には、たとえば頭部のＭＲＩ画像内において眼球の領域を検出した場合には、そのＭＲＩ画像上に眼球の領域を示すマークなどの指標を表示させる。
１ 画像検出装置
２ 医用画像保管サーバ
３ 表示装置
４ 入力装置
１０ 核磁気共鳴画像取得部
２０ 検出器生成部
２０ 検出処理部
２０ 検出器生成部
３０ 検出処理部
４０ 制御部
２ 医用画像保管サーバ
３ 表示装置
４ 入力装置
１０ 核磁気共鳴画像取得部
２０ 検出器生成部
２０ 検出処理部
２０ 検出器生成部
３０ 検出処理部
４０ 制御部
Claims (11)
- ２以上の撮影手法によって撮影された核磁気共鳴画像を、予め設定された検出対象の主成分に応じて、前記撮影手法の数よりも少ない数に分類した核磁気共鳴画像群を取得する核磁気共鳴画像取得部と、
前記各分類に属する磁気共鳴画像群を用いて、前記検出対象を検出する検出器を前記分類毎に生成する検出器生成部とを備えたことを特徴とする検出器生成装置。 - 前記核磁気共鳴画像取得部が、前記検出対象の主成分が水である場合と前記検出対象の主成分が脂肪である場合とでそれぞれ分類した前記核磁気共鳴画像群を取得する請求項１記載の検出器生成装置。
- 前記核磁気共鳴画像取得部が、前記検出対象の主成分が水である場合には、Ｔ１強調撮影の前記核磁気共鳴画像群と、Ｔ２強調撮影の前記核磁気共鳴画像群とをそれぞれ異なる分類の核磁気共鳴画像群として取得する請求項２記載の検出器生成装置。
- 前記Ｔ１強調撮影の核磁気共鳴画像群が、標準的な撮影の核磁気共鳴画像と脂肪抑制法を用いた撮影の核磁気共鳴画像とを含み、
前記Ｔ２強調撮影の核磁気共鳴画像群が、標準的な撮影の核磁気共鳴画像と脂肪抑制法を用いた撮影の核磁気共鳴画像とを含む請求項３記載の検出器生成装置。 - 前記核磁気共鳴画像取得部が、前記検出対象の主成分が脂肪である場合には、標準的な撮影の前記核磁気共鳴画像群と、脂肪抑制法を用いた撮影の前記核磁気共鳴画像群とをそれぞれ異なる分類の核磁気共鳴画像群として取得する請求項２記載の検出器生成装置。
- 前記標準的な撮影の核磁気共鳴画像群が、Ｔ１強調撮影の核磁気共鳴画像とＴ２強調撮影の核磁気共鳴画像とを含み、
前記脂肪抑制法を用いた撮影の核磁気共鳴画像群が、Ｔ１強調撮影の核磁気共鳴画像とＴ２強調撮影の核磁気共鳴画像とを含む請求項５記載の検出器生成装置。 - 前記水を主成分とする検出対象が眼球である請求項２から６いずれか１項記載の検出器生成装置。
- 前記脂肪を主成分とする検出対象が骨である請求項２から７いずれか１項記載の検出器生成装置。
- ２以上の撮影手法によって撮影された核磁気共鳴画像を、予め設定された検出対象の主成分に応じて、前記撮影手法の数よりも少ない数に分類した核磁気共鳴画像群を取得し、
前記各分類に属する磁気共鳴画像群を用いて、前記検出対象を検出する検出器を前記分類毎に生成することを特徴とする検出器生成方法。 - コンピュータを、２以上の撮影手法によって撮影された核磁気共鳴画像を、予め設定された検出対象の主成分に応じて、前記撮影手法の数よりも少ない数に分類した核磁気共鳴画像群を取得する核磁気共鳴画像取得部と、
前記各分類に属する磁気共鳴画像群を用いて、前記検出対象を検出する検出器を前記分類毎に生成する検出器生成部として機能させることを特徴とする検出器生成プログラム。 - ２以上の撮影手法によって撮影された核磁気共鳴画像を、予め設定された検出対象の主成分に応じて、前記撮影手法の数よりも少ない数に分類した核磁気共鳴画像群を取得する磁気共鳴画像群取得部と、
前記各分類に属する磁気共鳴画像群を用いて、前記検出対象を検出する検出器を前記分類毎に生成する検出器生成部を有し、前記分類毎の検出器の少なくとも１つを用いて、検出処理対象の核磁気共鳴画像に対して前記検出対象の検出処理を施す検出処理部とを備えたことを特徴とする画像検出装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2014199625A JP6309417B2 (ja) | 2014-09-30 | 2014-09-30 | 検出器生成装置、方法およびプログラム並びに画像検出装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2014199625A JP6309417B2 (ja) | 2014-09-30 | 2014-09-30 | 検出器生成装置、方法およびプログラム並びに画像検出装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2016067573A JP2016067573A (ja) | 2016-05-09 |
| JP6309417B2 true JP6309417B2 (ja) | 2018-04-11 |
Family
ID=55865231
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2014199625A Active JP6309417B2 (ja) | 2014-09-30 | 2014-09-30 | 検出器生成装置、方法およびプログラム並びに画像検出装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6309417B2 (ja) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP7126864B2 (ja) * | 2018-05-25 | 2022-08-29 | キヤノンメディカルシステムズ株式会社 | 医用信号処理装置及び学習プログラム |
| JP7187244B2 (ja) * | 2018-10-10 | 2022-12-12 | キヤノンメディカルシステムズ株式会社 | 医用画像処理装置、医用画像処理システム及び医用画像処理プログラム |
| JP2021183017A (ja) * | 2020-05-21 | 2021-12-02 | キヤノン株式会社 | 情報処理装置、情報処理方法、およびプログラム |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1929781A (zh) * | 2003-08-21 | 2007-03-14 | 依斯克姆公司 | 用于脉管斑块检测和分析的自动化方法和系统 |
| JP5868231B2 (ja) * | 2012-03-16 | 2016-02-24 | 株式会社日立製作所 | 医用画像診断支援装置、医用画像診断支援方法ならびにコンピュータプログラム |
| JP5977158B2 (ja) * | 2012-11-30 | 2016-08-24 | ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー | 検出装置、磁気共鳴装置、検出方法、およびプログラム |
-
2014
- 2014-09-30 JP JP2014199625A patent/JP6309417B2/ja active Active
Also Published As
| Publication number | Publication date |
|---|---|
| JP2016067573A (ja) | 2016-05-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102154733B1 (ko) | 의료 영상을 이용하여 대상체에 악성 종양이 존재하는지 여부를 예측하는 장치 및 방법 | |
| WO2018070285A1 (ja) | 画像処理装置、及び画像処理方法 | |
| JP5643304B2 (ja) | 胸部トモシンセシスイメージングにおけるコンピュータ支援肺結節検出システムおよび方法並びに肺画像セグメント化システムおよび方法 | |
| US20200226752A1 (en) | Apparatus and method for processing medical image | |
| US8600135B2 (en) | System and method for automatically generating sample points from a series of medical images and identifying a significant region | |
| CN109716445B (zh) | 类似病例图像检索程序、类似病例图像检索装置以及类似病例图像检索方法 | |
| JP4785371B2 (ja) | 動的制約を用いる多次元構造の抽出方法及びシステム | |
| JP2019005557A (ja) | 画像処理装置、磁気共鳴イメージング装置及び画像処理プログラム | |
| US20150173705A1 (en) | Apparatus and method for adapting diagnostic model for computer-aided diagnosis | |
| US9547896B2 (en) | Lesion classification apparatus, and method of modifying lesion classification data | |
| JP2007172604A (ja) | 取得システムのプロトコル及び／又はパラメータに基づいてコンピュータ利用アルゴリズムを選択するための方法及び装置 | |
| US20190266722A1 (en) | Learning data creation support apparatus, learning data creation support method, and learning data creation support program | |
| JP2020010805A (ja) | 特定装置、プログラム、特定方法、情報処理装置及び特定器 | |
| US20230298759A1 (en) | Information processing apparatus, information processing method, and program | |
| JP2006212259A (ja) | 医用画像処理装置及びプログラム | |
| JP6309417B2 (ja) | 検出器生成装置、方法およびプログラム並びに画像検出装置 | |
| US20190392552A1 (en) | Spine image registration method | |
| US9672614B2 (en) | Multi-structure atlas and/or use thereof | |
| US11334990B2 (en) | Information processing apparatus, information processing method, and program | |
| JP2015073832A (ja) | 医用画像処理装置およびその作動方法並びに医用画像処理プログラム | |
| EP4209994A1 (en) | Method and system for automatic classification of radiographic images having different acquisition characteristics | |
| Luu et al. | Automatic scan range for dose-reduced multiphase ct imaging of the liver utilizing cnns and gaussian models | |
| KR102136107B1 (ko) | 뼈 감쇄된 x-선 영상의 정합 장치 및 방법 | |
| US20060257007A1 (en) | Method and device for analysis of three-dimensional digital image data | |
| JP2017099721A (ja) | 画像処理装置及び画像処理方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20160825 |
|
| RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20170522 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20170720 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20170801 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20170908 |
|
| RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20170908 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20170929 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20180213 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20180314 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6309417 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |